SyMTRS: 항공 영상의 깊이, 도메인 적응 및 초해상도를 위한 벤치마크 다중 작업 합성 데이터셋

원격 감지(remote sensing) 분야의 딥러닝(deep learning)은 대규모 주석(annotated) 데이터셋에 크게 의존하지만, 기하학적(geometric), 방사 측정학적(radiometric), 그리고 다중 도메인 작업에 대한 고품질의 지상 진실(ground truth)을 확보하는 것은 여전히 비용이 많이 들고 종종 불가능합니다. 특히 정확한 깊이 주석(depth annotations), 제어된 조명 변화(controlled illumination variations), 그리고 다중 스케일 쌍 이미지(multi-scale paired imagery)의 부족은 항공 장면에서의 단안 깊이 추정(monocular depth estimation), 도메인 적응(domain adaptation), 및 초해상도(super-resolution) 분야의 발전을 제한합니다. 우리는 고충실도 도시 시뮬레이션 파이프라인을 사용하여 생성된 대규모 합성 데이터셋 SyMTRS를 제시합니다. 이 데이터셋은 고해상도 RGB 항공 영상(2048 x 2048), 픽셀 단위 깊이 맵(pixel-perfect depth maps), 도메인 적응을 위한 야간 시간대 대응 이미지(night-time counterparts), 그리고 초해상도를 위한 정렬된 저해상도 변형(aligned low-resolution variants)을 x2, x4, 및 x8 스케일로 제공합니다. 단일 작업이나 양식(modality)에 중점을 둔 기존의 원격 감지 데이터셋과 달리, SyMTRS는 기하학적 이해(geometric understanding), 교차 도메인 강건성(cross-domain robustness), 그리고 해상도 향상을 위한 공동 연구를 가능하게 하는 통합 다중 작업 벤치마크로 설계되었습니다. 우리는 이 데이터셋 생성 과정, 통계적 속성, 그리고 기존 벤치마크 대비 위치를 설명합니다. SyMTRS는 완벽한 기하학적 지상 진실과 일관된 다중 도메인 감독(multi-domain supervision)을 통해 제어된 실험을 가능하게 함으로써 원격 감지 연구의 중요한 격차를 해소하는 것을 목표로 합니다. 본 연구에서 얻은 결과는 다음 Github 저장소: https://github.com/safouaneelg/SyMTRS 에서 재현할 수 있습니다.